Sie haben ORC-Dateien in einen Cloud Storage-Bucket migriert und möchten Hive auf einem Dataproc-Cluster verwenden, optional mit Datenreplikation in HDFS zur Leistungssteigerung. Welche zwei Methoden ermöglichen Ihnen die Verwendung von Hive auf Dataproc? (Wählen Sie zwei.)

Die erste korrekte Methode besteht darin, die ORC-Dateien manuell von Cloud Storage auf den Dataproc-Master-Knoten zu kopieren und sie dann mit Hadoop-Dienstprogrammen (z.B. hadoop fs -put) in HDFS zu verschieben. Anschließend können Hive-Tabellen direkt auf diese HDFS-Pfade verweisen. Dies ermöglicht die Datenreplikation in HDFS zur Leistungssteigerung, wie in der Frage erwähnt. Die zweite korrekte Methode nutzt den Cloud Storage-Konnektor für Hadoop. Dieser Konnektor ermöglicht es Hive, direkt auf Dateien in Cloud Storage zuzugreifen, indem externe Tabellen erstellt werden, die auf die Cloud Storage-Pfade verweisen. Um die Leistung zu optimieren, können diese externen Tabellen dann in native Hive-Tabellen repliziert werden, wodurch die Daten in HDFS kopiert werden. Die Option, gsutil zu verwenden, um Dateien direkt in HDFS zu übertragen, ist falsch, da gsutil nicht direkt mit HDFS interagiert. Die Übertragung auf einen beliebigen Dataproc-Knoten ohne spezifische HDFS-Integration ist ebenfalls unzureichend. Das Laden der Dateien in BigQuery ist eine alternative Speicherlösung, aber nicht die direkte Methode, um Hive auf Dataproc mit den vorhandenen ORC-Dateien zu nutzen und optional in HDFS zu replizieren.